模糊逻辑和神经网络有什么区别

人工智能（AI）是机器对人类智能过程的模拟；尤其是计算机系统。换句话说，它使机器或计算机能够执行类似于人类的任务。模糊逻辑和神经网络是人工智能的两个子类别。简而言之，这些技术有助于构建可以做出有效决策的有用应用程序。

人工智能、反馈网络、前馈网络、模糊逻辑、神经网络、感知器

什么是模糊逻辑

模糊逻辑是一种类似于人类推理的推理方法。换句话说，基于模糊逻辑的系统可以做出类似于人类的决策。它涉及数字值 Yes 和 No 之间的所有中间可能性。传统逻辑块能够获取输入并生成类似于人类是或否的真假输出。微波炉、洗衣机、空调和真空吸尘器是一些使用模糊逻辑的应用。

使用模糊逻辑的主要目的是控制机器。它还提供了可接受的推理。此外，它有助于处理不确定性。无论系统大小如何，都可以对任何类型的系统实施模糊逻辑。此外，系统可以由硬件、软件或两者的组合组成。

总的来说，模糊逻辑更容易理解。然而，没有系统的方法来设计基于模糊逻辑的系统。它对于需要更高精度的系统也无效。

什么是神经网络

神经网络是一种类似于人脑的网络。换句话说，神经网络受到生物神经元的启发。人脑中有数百万个神经元，信息从一个神经元传递到另一个神经元。神经网络的工作原理与此类似，并且能够更快地执行计算。

神经网络的基本类型是感知器。它包含中子，其中的每个神经元都有一个输入并有一个权重。中子在加权输入上计算一些函数并提供输出。每个输入乘以相应的权重，得到的输出通过激活函数提供最终输出。在这里，这个权重强调了输入的有效性。此外，还有一个称为偏差的附加参数来调整权重。此外，激活函数根据阈值将输入转换为输出。线性、tanh、sigmoid 和 softmax 是一些激活函数。可以根据问题选择激活函数。

此外，有两种类型的神经网络，即前馈和反馈。在里面 前馈网络，信息从输入传递到输出，没有反馈回路。同时，在 反馈网络，信息双向传递，没有反馈路径。

前馈网络又分为单层网络和多层网络。在单层网络中，输入层连接到输出层，而在多层网络中，除了输入层和输出层之外，还有一些层称为隐藏层。

模糊逻辑与神经网络的区别

定义

模糊逻辑是一种类似于人类决策的推理方法，处理模糊和不精确的信息，而神经网络是受人脑中生物神经元启发的系统，可以更快地执行计算任务。

用法

复杂

模糊逻辑比神经网络更简单。

结论

简而言之，程序员使用模糊逻辑和神经网络来开发应用程序。模糊逻辑与神经网络的主要区别在于，模糊逻辑是一种类似于人类推理和决策的推理方法，而神经网络是一种基于人脑的生物神经元进行计算的系统。

参考：

1. 教育！数据科学完整课程，YouTube，2019 年 3 月 17 日，可在此处获取。 2. “人工智能 – 模糊逻辑系统” Tutorialspoint.com，可在此处获得。

图片提供：

1.“模糊逻辑 – 温度”，作者 fullofstars – 原创 (gif)：图片：暖模糊逻辑成员函数.gif (CC BY-SA 3.0)，来自 Commons Wikimedia 2.“人工神经网络的简化视图”，作者：Dake， Mysid – 在 CorelDraw 中由 Mysid 在 Dake (CC BY 1.0) 通过 Commons Wikimedia 的图像上进行矢量化